Skip to main content
Olostep LangChain統合は、あらゆるウェブサイトからデータを検索、スクレイピング、分析、構造化できるAIエージェントを構築するための包括的なツールを提供します。LangChainおよびLangGraphアプリケーションに最適です。

特徴

この統合は、Olostep APIのすべての5つの機能にアクセスできます:

スクレイプ

任意の単一URLから複数の形式(Markdown、HTML、JSON、テキスト)でコンテンツを抽出

バッチ

最大10,000のURLを並行して処理。バッチジョブは5-8分で完了

回答

自然言語クエリと構造化出力を備えたAI駆動のウェブ検索

マップ

サイト構造分析のためにウェブサイトからすべてのURLを抽出

クロール

リンクをたどってウェブサイト全体を自動的に発見しスクレイプ

インストール

セットアップ

Olostep APIキーを環境変数として設定します:
APIキーはOlostep Dashboardから取得してください。

利用可能なツール

scrape_website

単一のURLからコンテンツを抽出します。複数の形式とJavaScriptレンダリングをサポート。
string
必須
スクレイプするウェブサイトのURL(http://またはhttps://を含む必要があります)
string
デフォルト:"markdown"
出力形式:markdownhtmljson、またはtext
string
ロケーション固有のコンテンツのための国コード(例:“US”、“GB”、“CA”)
integer
JavaScriptレンダリングの待機時間(ミリ秒単位、0-10000)
string
特殊な抽出のためのオプションのパーサーID(例:“@olostep/amazon-product”)

scrape_batch

複数のURLを並行して処理(最大10,000件まで一度に)。
array
必須
スクレイプするURLのリスト
string
デフォルト:"markdown"
すべてのURLの出力形式:markdownhtmljson、またはtext
string
ロケーション固有のコンテンツのための国コード
integer
JavaScriptレンダリングの待機時間
string
特殊な抽出のためのオプションのパーサーID

answer_question

ウェブを検索し、ソース付きのAI駆動の回答を取得。データ強化や調査に最適。
string
必須
検索する質問またはタスク
object
望ましい出力形式を記述するオプションのJSONスキーマ辞書/文字列

extract_urls

サイト構造分析のためにウェブサイトからすべてのURLを抽出。
string
必須
URLを抽出するウェブサイトのURL
string
URLをフィルタリングするためのオプションの検索クエリ
integer
返されるURLの数を制限
array
含めるグロブパターン(例:[“/blog/**”])
array
除外するグロブパターン(例:[“/admin/**”])

crawl_website

リンクをたどってウェブサイト全体を自動的に発見しスクレイプ。
string
必須
クロールの開始URL
integer
デフォルト:"100"
クロールする最大ページ数
array
含めるグロブパターン(例:[”/**“]で全て)
array
除外するグロブパターン(例:[“/admin/**”])
integer
start_urlからクロールする最大深度
boolean
デフォルト:"false"
外部URLを含める

LangChainエージェント統合

ウェブを検索しスクレイプできるインテリジェントなエージェントを構築:

LangGraph統合

LangGraphで複雑なマルチステップワークフローを構築:

高度なユースケース

データ強化

スプレッドシートデータをウェブ情報で強化:

Eコマース製品スクレイピング

特殊なパーサーで製品データをスクレイプ:

SEO監査

SEOのためにウェブサイト全体を分析:

ドキュメントスクレイピング

ドキュメントをクロールして抽出:

専門パーサー

Olostepは人気のあるウェブサイト向けの事前構築されたパーサーを提供:
  • @olostep/google-search - Google検索結果
parserパラメータで使用:

エラーハンドリング

ベストプラクティス

3-5以上のURLをスクレイプする場合は、複数のscrape_website呼び出しの代わりにscrape_batchを使用してください。バッチ処理ははるかに高速でコスト効率が高いです。
JavaScriptが多用されているサイトの場合、wait_before_scrapingパラメータを使用してください(2000-5000msが一般的)。これにより、動的コンテンツが完全に読み込まれます。
人気のあるウェブサイト(Amazon、LinkedIn、Google)については、事前構築されたパーサーを使用して自動的に構造化データを取得してください。
extract_urlsまたはcrawl_websiteを使用する際は、グロブパターンを使用して関連するページに焦点を当て、不要な処理を避けてください。
レート制限エラーに対して指数バックオフを実装してください。APIは内部でほとんどのレート制限を自動的に処理します。

サポート

関連リソース

Scrapes API

Scrapesエンドポイントについて学ぶ

Batches API

Batchesエンドポイントについて学ぶ

Answers API

Answersエンドポイントについて学ぶ

Maps API

Mapsエンドポイントについて学ぶ

Crawls API

Crawlsエンドポイントについて学ぶ

Python SDK

Python SDKを探索

LangChain Website

LangChainプラットフォーム